机器视觉检测中的分辨率,精度,公差的关系

本文为大家详细介绍:分辨率,精度,公差的关系,从而指导选型。

分辨率(Resolution)

机器视觉检测中的分辨率,精度,公差的关系
机器视觉检测中的分辨率,精度,公差的关系

比如我要看的产品大小是30mm*10MM,使用200万像素(1600pixel*1200pixel)的相机。因为产品是长条形,为了把产品都放入到视野内,我们计算分辨率的时候要考虑长边对应。

精度(Accuracy)

精度的单位是mm。根据产品表面和照明状况的不同,我们可以通过放大图像观察辨别稳定像素的个数,从而得出精度。如果条件不允许实际测试观察,一般的规律是,如果使用正面打光,有效像素为1个,使用背光,有效像素为0.5个。 

这个例子我们取1 Pixel,得到精度为0.019mm约等于0.02mm。

精度 = 分辨率 X 有效像素

机器视觉系统的定位精度如何计算?

假如是30万像素的摄像机,监控的面积为640x480mm,其精度是不是就是1mm了?

30W相机分辨率640*480 正常这样算:用最长的边除去监控面积最长的边 即可,所以精度基本上是1mm,这个是理论值,如果你做测量或者表面划伤检测,肯定不准确,一个像素有可能无法凸显特征。    

公差(Tolerance)

一般情况下,精度和公差的对应关系如下:

机器视觉检测中的分辨率,精度,公差的关系

对一个项目来讲,我们是先从图纸上读到公差的要求。然后再根据上述关系,反推得出我们需要多少像素的相机。我们准备了一个表格,输入视野,即可自动算出不同相机的精度矩阵,方便快速选型。需要的客户可以发送邮件到 info@keyence.com.cn 免费索取。(该文为基恩士官网推文,该邮件也是基恩士的邮件)

Field of View × 30mm

机器视觉检测中的分辨率,精度,公差的关系

使用Halcon测量时,首先要考虑的几大方面的有:相机、镜头、光源。选择要考虑的因素有很大,这里依据一个经手的项目介绍一下精度方面需要考虑的问题。项目要求:像素精度0.05mm、测量误差正负0.15mm。首先介绍一下相关的概念:

  • 像素精度:一个像素在真实世界代表的距离,即拍摄视野/分辨率。例如我所使用的大华500万相机,分辨率2592*2048,在视野中长的一边100mm,即可拍到100mm的物体,那么在这一方向的像素精度为100/2592mm约为0.0386mm。测量误差:使用算法测量的距离/长度与真实值的误差。
  • 亚像素精度:亚像素精度是指相邻两像素之间细分情况,输入值通常为二分之一,三分之一或四分之一。即每个像素将被分为更小的单元从而对这些更小的单元实施插值算法。例如,如果选择四分之一,就相当于每个像素在横向和纵向上都被当作四个像素来计算。实际测量或检测时需要考虑的还有很多,例如帧率、曝光、增益等。
机器视觉检测中的分辨率,精度,公差的关系

Halcon例程里使用标定和图像测量得到结果图如上。使用halcon的mesure助手可以轻松的进行图像测量。

版权声明:本文内容转自互联网,本文观点仅代表作者本人。本站仅提供信息存储空间服务,所有权归原作者所有。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至1393616908@qq.com 举报,一经查实,本站将立刻删除。

(0)

相关推荐

发表回复

登录后才能评论